SiamDW：Deeper and Wider Siamese Networks for Real-Time Visual Tracking

最新推荐文章于 2024-12-02 16:51:04 发布

萤火虫啊飞呀飞

最新推荐文章于 2024-12-02 16:51:04 发布

阅读量778

点赞数

CC 4.0 BY-SA版权

分类专栏：目标跟踪论文阅读

本文链接：https://blog.csdn.net/shey666/article/details/106084706

SiamDW通过研究深度神经网络在Siamese网络中的应用，揭示了深度、宽度、感受野大小、网络步长和特征填充对跟踪性能的影响。提出新的残差模块CIR，解决padding问题，提高定位准确性，实现更强鲁棒性和准确性的实时视觉跟踪。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

摘要

Siamese网络由于具有良好的准确性和速度而引起视觉跟踪领域的广泛关注，但其使用的网络相对比较浅，比如AlexNet，难以充分发挥深度神经网络的优势。因此，作者对如何平衡卷积神经网络的深度和宽度从而实现跟踪的鲁棒性和准确性的问题进行研究。实验发现，直接将Siamese网络中的骨干网络换成深度更深的网络架构对跟踪效果没有提升。作者分析认为，一方面，大幅增大神经元感受野会降低特征判别性和定位精度；另一方面，卷积操作中padding操作会影响学习的准确性。为了解决上述问题，文中提出新的残差模块来消除padding操作对跟踪效果的负面影响，并使用这些模块构造具有适宜感受野大小和网络步长的轻量级网络结构。实验结果表明，在Siamese网络中嵌入上述残差模块，能保证了跟踪的实时性。